Book description
Deep-Learning-Netze, die mit großen Datenmengen angelernt wurden, lösen komplexe Aufgaben mit erstaunlicher Genauigkeit. TensorFlow ist die führende Open-Source-Bibliothek zum Erstellen und Trainieren neuronaler Deep-Learning-Netze z.B. für die Sprach- und Bilderkennung, die Verarbeitung natürlicher Sprache (NLP) oder die vorhersagende Datenanalyse. Dieses Buch bietet einer breiten technisch orientierten Leserschaft einen praxisnahen Zugang zu den Grundlagen von TensorFlow.Sie erarbeiten zunächst einige einfache Beispielaufgaben mit TensorFlow und tauchen anschließend tiefer in Themen ein wie die Architektur neuronaler Netze, die Visualisierung mit TensorBoard, Abstraktionsbibliotheken für TensorFlow oder Multithread-Pipelines zur Dateneingabe. Wenn Sie dieses Buch durchgearbeitet haben, sind Sie in der Lage, Deep-Learning-Systeme mit TensorFlow zu erstellen und im Produktivbetrieb einzusetzen.
Table of contents
- Cover
- Titel
- Impressum
- Inhalt
- Vorwort
- 1 Einleitung
- 2 Erste Schritte mit TensorFlow
-
3 Die Grundlagen von TensorFlow
- Berechnungsgraphen
- Was ist ein Berechnungsgraph?
- Die Vorteile von Graphenberechnungen
- Graphen, Sessions und Ergebnisabfragen
- Einen Graphen erstellen
- Eine Session erstellen und ausführen
- Unseren Graphen aufbauen und verwalten
- Ergebnisabfragen
- Fließende Tensoren
- Knoten als Operationen, Kanten als Tensor-Objekte
- Datentypen
- Tensor-Objekte und ihre Gestalt
- Namen
- Variablen, Platzhalter und einfache Optimierung
- Variablen
- Platzhalter
- Optimierung
- Zusammenfassung
- 4 Konvolutionsnetze
-
5 Text I: Arbeiten mit Text und Sequenzen, Visualisierung mit TensorBoard
- Warum Sequenzdaten so wichtig sind
- Einführung in rekurrente neuronale Netze
- Einfache Implementierung eines RNN
- In TensorFlow eingebaute Funktionen für RNNs
- RNNs für Textsequenzen
- Textsequenzen
- Überwachte Worteinbettungen
- LSTM und die Verwendung von Sequenzlängen
- Anlernen von Einbettungen und des LSTM-Klassifikators
- Zusammenfassung
-
6 Text II: Wortvektoren, fortgeschrittene RNNs und Visualisierung von Einbettungen
- Einführung in die Worteinbettung
- Word2vec
- Skip-Gramme
- Einbettungen in TensorFlow
- Die Verlustfunktion für Noise-Contrastive Estimation (NCE)
- Abfall der Lernrate
- Anlernen und Visualieren mit TensorBoard
- Einblick in unsere Einbettungen
- Angelernte Einbettungen und fortgeschrittene RNNs
- Angelernte Worteinbettungen
- Bidirektionale RNNs und GRU-Zellen
- Zusammenfassung
- 7 Abstraktionen und Vereinfachungen in TensorFlow
-
8 Warteschlangen, Threads und das Einlesen von Daten
- Die Eingabepipeline
- TFRecords
- Das Schreiben mit TFRecordWriter
- Warteschlangen
- Einstellen und Entnehmen
- Multithreading
- Koordinator und Warteschlangensteuerung
- Eine vollständige parallele Eingabepipeline
- tf.train.string_input_producer() und tf.TFRecordReader()
- tf.train.shuffle_batch()
- tf.train.start_queue_runners() und der Abschluss
- Zusammenfassung
- 9 TensorFlow und verteiltes Rechnen
- 10 Modelle mit TensorFlow exportieren und via Server bereitstellen
- Anhang: Tipps zur Erstellung von Modellen und Verwendung von TensorFlow Serving
- Index
- Über die Autoren
- Über die Übersetzer
- Kolophon
- Fußnoten
Product information
- Title: Einführung in TensorFlow
- Author(s):
- Release date: May 2018
- Publisher(s): dpunkt
- ISBN: 9783960090748
You might also like
book
Deep Learning avec Keras et TensorFlow
Cet ouvrage, conçu pour tous ceux qui souhaitent s'initier au deep learning (apprentissage profond), est la …
book
Praxiseinstieg Machine Learning mit Scikit-Learn und TensorFlow
Eine Reihe technischer Durchbrüche beim Deep Learning haben das gesamte Gebiet des maschinellen Lernens in den …
book
Einführung in Machine Learning mit Python
Machine Learning ist zu einem wichtigen Bestandteil vieler kommerzieller Anwendungen und Forschungsprojekte geworden, von der medizinischen …
book
Neuronale Netze und Deep Learning kapieren -- Der einfache Praxiseinstieg mit Beispielen in Python
Von den Grundlagen Neuronaler Netze über Machine Learning bis hin zu Deep-Learning-Algorithmen Anschauliche Diagramme, Anwendungsbeispiele in …